Tekoäly tehostaa datakeskuksia

08.11.2016

Lancaster-Datacentreweb-300.jpgTekoälyyn perustuvat tietokoneohjelmat, jotka voivat oppia, sopeutua ja rakentua itse reaaliaikaisesti voisivat tehdä suurista datakeskuksista energiatehokkaampia.

Lancasterin yliopiston tutkijat ovat kehittäneet ohjelmiston, joka kykenee sopeutumaan nopeasti optimaalisimpaan tapaan käsitellä suurta määrää erilaisia tehtäviä, ilman että ihmisen tarvitsee siihen puuttua.

Kehitetty REx-järjestelmä perustuu mikromuunnelmiin, jossa suuri kirjasto ohjelmistokomponentteja, kuten välimuistit ja erilaiset haku- ja lajittelualgoritmit voidaan valita ja koota automaattisesti käsillä olevaan tehtävään sopiviksi.

Itsestään järjestyvillä ohjelmistomalleista voisi olla etuja myös kehitettäessä ja ylläpidettäessä yhä monimutkaisempia ohjelmistoja monenlaisissa yhteyksissä mukaan lukien käyttöjärjestelmät ja Internetin infrastruktuuri.

Päätöksiään perustelevia neuroverkkoja

Viime vuosina tehokkaimmat järjestelmät tekoälyn tutkimuksista ovat löytyneet neuroverkoista, joka etsivät kuvioita harjoitusdatasta, jotta saadaan käyttökelpoisia ennusteita tai luokituksia.

Mutta hermoverkot ovat mustia laatikoita. Koulutuksen jälkeen, verkko voi olla erittäin hyvä datan luokittelussa mutta edes sen tekijöillä ei ole aavistusta miksi.

MIT:n Computer Science and Artificial Intelligence Laboratoryn (CSAIL) tutkijat Tao Lei, Regina Barzilay ja Tommi Jaakkola esittelevät uuden tavan kouluttaa neuroverkkoja niin, että ne eivät ainoastaan tuota ennusteita ja luokituksia vaan myös perustelevat päätöksiään.

Reaalimaailman sovelluksissa käyttäjät haluavat joskus tietää, miksi malli tekee sellaisia ennusteita kuin ne ovat. Esimerkiksi lääkärit eivät luota koneellisen oppimisen menetelmiin, jos ei ole todisteita toteavat tutkijat.

CSAIL:n tutkijat keksivät jakaa verkon kahteen moduuliin. Ensimmäinen moduuli tekee lähtödatan segmentteihin liittyvää pisteytystä, jotka sitten siirretään toiseen moduuliin, joka sitten suorittaa ennustuksen tai luokituksen tehtävän.

Aiheesta aiemmin:

Tekoälyllä spektrin käyttöä tehostamaan

22.01.2026Ionigeelistä ja grafeenista tekoälyä koneoppimislaskelmiin
21.01.2026Magnetismin 3D-muokkausta laserilla
21.01.2026Topologiset tilat ovat yleisempiä kuin on ajateltu
21.01.2026Grafeenista väkevää mustetta elektroniikan tulostukseen
20.01.2026Perovskiittista näyttöteknologiaa
20.01.2026Ihmissilmän sopeutumiskyvyn inspiroimana fototransistori
20.01.2026Perovskiitti beetavoltakennon perustana
19.01.2026Aurinkosähkön symmetriarajoitusten voittaminen
19.01.2026Enemmän irti auringon ja muusta valosta
19.01.2026Kultaisten nanosauvojen varaaminen valoenergialla

Siirry arkistoon »